电气学院智能决策与控制技术研究团队在人工智能领域期刊《Knowledge-Based Systems》（IF 8.8，中科院一区 Top）上发表题为“Interactive Learning for Multi-Finger Dexterous Hand: A Model-Free Hierarchical Deep Reinforcement Learning Approach”的学术论文。该研究成果以上海电机学院为唯一单位，李保江老师为第一作者及通讯作者，在读硕士生邱圣杰为第二作者。
灵巧手复杂交互是具身智能领域的一个重要研究方向，尽管此前基于模型的控制方法可以在固定环境中实现较好的效果，但在实际实现过程中，传统方法会受到各种各样的因素的制约，如未知的非结构环境和复杂的灵巧手运动学、动力学建模等。
为克服传统方法存在的缺陷，在非结构环境中实现五指灵巧手的精确控制和快速反应，智能决策与控制技术研究团队提出了一种基于无模型深度强化学习的具有交互功能的多指灵巧手的分层控制方法。采用分层策略和动作原语分解将复杂的交互任务分解为简单的子任务，有效降低了动作空间的复杂性，实现了灵巧手的运动规划和末端手指轨迹控制。在模拟环境中，上述方法成功执行了交互式任务，包括扔球和石头剪刀布等动作。该方法实现了0.83的最大规范化奖励和84%的成功率，为有效解决涉及多指灵巧手和人机交互的复杂挑战提供了新的见解，对具身智能研究具有借鉴意义。（供稿：电气学院）
论文链接：
https://www.sciencedirect.com/science/article/abs/pii/S0950705124004817
